3.1.2.1. Phương pháp thu thập thông tin và cỡ mẫu
Thông tin dữ liệu được thu thập bằng bảng câu hỏi khảo sát được gửi đến các cán bộ nhân viên khối văn phòng đang công tác tại các đơn vị của VIETSOVPETRO bằng cách gửi email trực tiếp đến các cán bộ nhân viên thông qua công cụ Google Form cũng như tiến hành khảo sát trực tiếp bằng bảng câu hỏi giấy in ra và phỏng vấn trực tiếp đối với những ứng viên có khả năng tiếp cấn trực tiếp.
Phương pháp phân tích dữ liệu chủ yếu được sử dụng trong nghiên cứu này là phương pháp phân tích nhân tố khám phá EFA và phân tích hồi quy bội. Theo Hair & ctg (1998), để có thể phân tích nhân tố khám phá cần thu thập dữ liệu với kích thước mẫu là ít nhất 5 mẫu trên 1 biến quan sát (trích dẫn bởi Nguyễn Thị Phương Trâm, 2008). Tuy nhiên trong một số tình huống cỡ mẫu cho phân tích nhân tố có thể từ 100 trở lên là có thể chấp nhận được (Hair & ctg, 2006)
Trong mô hình nghiên cứu này, số biến quan sát dự kiến là 25. Nếu theo tiêu chuẩn năm mẫu cho một biến quan sát thì kích thước mẫu cần thiết là n = 125 (25 x 5). Tác giả sẽ gửi bảng câu hỏi khảo sát tới khoảng 250 cán bộ nhân viên khối văn phòng đang làm việc tại các đơn vị của VIETSOVPETRO.
Các dữ liệu sau khi thu thập sẽ được làm sạch và xữ lý bằng phần mềm SPSS 18.0. Một số phương pháp phân tích được sử dụng trong nghiên cứu như sau:
3.1.2.2. Lập bảng tần số mô tả mẫu
Dựa trên dữ liệu đã được thu thập cùng với sự hỗ trợ của phần mềm SPSS 18.0, tác giả sẽ lập bảng tần số đề mô tả mẫu theo các thuộc tính như: Giới tính, trình độ học vấn, độ tuổi, thâm niên công tác, đơn vị công tác.
3.1.2.3. Phân tích hệ số Cronbach alpha
Phương pháp này cho phép người phân tích loại bỏ các biến không phù hợp và hạn chế các biến rác trong quá trình nghiên cứu và đánh giá độ tin cậy của thang đo bằng hệ số thông qua hệ số Cronbach alpha. Những biến có hệ số tương quan biến tổng (item-total correlation) nhỏ hơn 0.3 sẽ bị loại. Thang đo có hệ số Cronbach alpha từ 0.6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang nghiên cứu mới (Nunnally, 1978; Peterson, 1994; Slater, 1995). Thông thường, thang đo có Cronbach alpha từ 0.7 đến 0.8 là sử dụng được. Nhiều nhà nghiên cứu cho rằng khi thang đo có độ tin cậy từ 0.8 trở lên đến gần 1 là thang đo lường tốt.
3.1.2.4. Phân tích nhân tố khám phá EFA
Sau khi đánh giá độ tin cậy của thang đo bằng hệ số Cronbach alpha và loại đi các biến không đảm bảo độ tin cậy. Phân tích nhân tố khám phá là kỹ thuật được sử dụng nhằm thu nhỏ và tóm tắt các dữ liệu. Phương pháp này rất có ích cho việc xác định các tập hợp biến cần thiết cho vấn đề nghiên cứu và được sử dụng để tìm mối quan hệ giữa các biến với nhau.
Trong phân tích nhân tố khám phá, trị số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Trị số KMO phải có giá trị trong khoảng từ 0.5 đến 1 thì phân tích này mới thích hợp, còn nếu như trị số này nhỏ hơn 0.5 thì phân tích nhân tố có khả năng không thích hợp với các dữ liệu.
Ngoài ra, phân tích nhân tố còn dựa vào eigenvalue để xác định số lượng nhân tố. Chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình. Đại lượng eigenvalue đại diện cho lượng biến thiên được giải thích bởi nhân tố.
Những nhân tố có eigenvalue nhỏ hơn 1 sẽ không có tác dụng tóm tắt thông tin tốt hơn một biến gốc.
Một phần quan trọng trong bảng kết quả phân tích nhân tố là ma trận nhân tố (component matrix) hay ma trận nhân tố khi các nhân tố được xoay (rotated component matrix). Ma trận nhân tố chứa các hệ số biểu diễn các biến chuẩn hóa bằng các nhân tố (mỗi biến là một đa thức của các nhân tố). Những hệ số tải nhân tố (factor loading) biểu diễn tương quan giữa các biến và các nhân tố. Hệ số này cho biết nhân tố và biến có liên quan chặt chẽ với nhau. Nghiên cứu sử dụng phương pháp trích nhân tố principal components nên các hệ số tải nhân tố phải có trọng số lớn hơn 0.5 thì mới đạt yêu cầu.
3.1.2.5. Xây dựng mô hình hồi qui
Sau khi rút trích được các nhân tố từ phân tích nhân tố khám phá EFA, dò tìm các vi phạm giả định cần thiết trong mô hình hồi quy tuyến tính bội như kiểm tra phần dư chuẩn hóa, kiểm tra hệ số phóng đại phương sai VIF (Variance inflation factor – VIF). Nếu các giả định không bị vi phạm, mô hình hồi quy tuyến tính được bội được xây dựng. Và hệ số R2 đã được điều chỉnh (adjusted R square) cho biết mô hình hồi quy được xây dựng phù hợp đến mức nào.
3.1.2.6. Kiểm định sự khác biệt theo các đặc điểm nhân khẩu học
Mục đích của phân tích này nhằm kiểm định sự khác biệt giữa các biến định tính với các biến định lượng.
Phương pháp này dùng để đánh giá sự khác biệt về mức độ hài lòng trong công việc của nhân viên theo các đặc tính cá nhân như: giới tính, thâm niên công tác, cơ quan công tác. Trên cơ sở đó, giúp cho các nhà quản lý áp dụng các chính sách phù hợp cho từng đối tượng cũng như cho thấy được bức tranh về mức độ hài lòng trong công việc của nhân viên tại VIETSOVPETRO Bà Rịa - Vũng Tàu.
Trường hợp biến định tính có 02 giá trị thì kiểm định sự khác biệt bằng phương pháp Independent Samples T-test.
- Nếu sig. Levene’s test nhỏ hơn 0,05 thì phương sai giữa 2 nhóm là khác nhau, sử dụng giá trị sig. T-test ở hàng Equal variances not assumed để kết luận:
+ Giá trị sig. T-test < 0,05: kết luận có sự khác biệt
+ Giá trị sig. T-test ≥ 0,05: kết luận không có sự khác biệt
- Nếu sig. Levene’s test lớn hơn 0,05 thì phương sai giữa 2 nhóm là không khác nhau, sử dụng giá trị sig. T-test ở hàng Equal variances assumed để kết luận
+ Giá trị sig. T-test < 0,05: kết luận có sự khác biệt
+ Giá trị sig. T-test ≥ 0,05: kết luận không có sự khác biệt
Trường hợp biến định tính có 03 giá trị thì kiểm định sự khác biệt bằng phương pháp One way Anova.
Quan sát bảng Test of Homogeneity of Variances, xét sig. của Levene Statistic.
Nếu sig. ở kiểm định này ≥ 0,05, xét tiếp kết quả ở bảng ANOVA. Nếu sig. ở bảng ANOVA < 0,05, kết luận: có sự khác biệt. Nếu sig. ở bảng ANOVA ≥ 0,05, kết luận: không có sự khác biệt.
Nếu sig. ở kiểm định này < 0,05, thì dùng kiểm định Welch, quan sát bảng Robust Test of Equality of Means. Nếu sig. của kiểm định Wech ở bảng Robust Tests < 0,05, kết luận: có sự khác biệt. Nếu sig. của kiểm định Wech ở bảng Robust Tests ≥ 0,05, kết luận: không có sự khác biệt.